1.一种高分辨大气气溶胶反演方法，其特征在于，包括：获取待研究区域的卫星观测特征数据；

将待研究区域的卫星观测特征数据输入至预先训练好的深度学习气溶胶反演模型，进行反演处理，获得待研究区域高分辨率的气溶胶光学厚度数据；

其中：所述深度学习气溶胶反演模型进行反演处理包括：将待研究区域的卫星观测特征数据通过卷积神经网络进行特征提取，并提升特征维度，将提升维度后的特征进行扁平化处理，将其展平，将展平后的特征进行重新拟合，并通过注意力机制层计算不同特征的权重，获得特征和权重关系，将特征和权重关系通过KAN网络进行气溶胶光学厚度反演，得到待研究区域高分辨率的气溶胶光学厚度数据。

2.根据权利要求1所述的高分辨大气气溶胶反演方法，其特征在于，所述将待研究区域的卫星观测特征数据通过卷积神经网络进行特征提取，并提升特征维度具体包括：将待研究区域的卫星观测特征数据依次输入若干个1×3卷积层，进行特征提取，且每个卷积层后进行一个ReLU处理，以使特征维度提升。

3.根据权利要求1所述的高分辨大气气溶胶反演方法，其特征在于，所述深度学习气溶胶反演模型的训练方法包括：获取历史卫星观测特征数据和相应的参数波长的气溶胶光学厚度数据；

根据历史卫星观测特征数据和相应的参数波长的气溶胶光学厚度数据构建数据集；

通过数据集对深度学习气溶胶反演模型进行训练；

其中，在训练中，通过控制变量法进行对照试验，对深度学习气溶胶反演模型的参数进行设置，得到最优深度学习气溶胶反演模型；控制变量包括训练批次、训练次数和学习率。

4.根据权利要求3所述的高分辨大气气溶胶反演方法，其特征在于，所述历史卫星观测特征数据获取方法具体包括：获取设定波段的历史卫星影像数据；

对设定波段的历史卫星影像数据的分辨率统一重采样，并对设定波段的历史卫星影像数据进行掩膜操作，设定波段为：B1‑B8A、B11‑B12；

从掩膜操作后的历史卫星影像数据中提取反演所需的历史卫星观测特征数据；

所述历史卫星观测特征数据包括：设定波段的大气底层反射率数据，太阳天顶角、太阳方位角以及每个设定波段对应的卫星天顶角、卫星方位角数据和归一化植被指数。

5.根据权利要求3所述的高分辨大气气溶胶反演方法，其特征在于，所述根据历史卫星观测特征数据和相应的参数波长的气溶胶光学厚度数据构建数据集具体包括以下步骤：将参数波长的气溶胶光学厚度数据插值到设定波长处，得到设定波长的气溶胶光学厚度；

对历史卫星观测特征数据和设定波长的气溶胶光学厚度进行空间匹配和时间匹配。

6.根据权利要求5所述的高分辨大气气溶胶反演方法，其特征在于，所述将参数波长的气溶胶光学厚度数据插值到设定波长处，得到设定波长的气溶胶光学厚度具体包括：根据气溶胶光学厚度与波长的拟合关系，通过二次多项式对参数波长的气溶胶光学厚度数据进行插值处理，最终得到设定波长的气溶胶光学厚度数值；

拟合表达式如下：

2

lnτ(λ)＝a0+a1lnλ+a2(lnλ) ；

其中τ(λ) 表示波长λ处的气溶胶光学厚度数值，a0、a1和a2 是拟合参数。

7.根据权利要求5所述的高分辨大气气溶胶反演方法，其特征在于，所述空间匹配方法，包括：

根据设定波长气溶胶光学厚度数据对应的全球自动观测网站点经纬度，对卫星观测特征数据进行划分；

以全球自动观测网站点为中心，设定周围区域像素点的各个波段反射率的平均值来表征站点的反射率信息；

所述时间匹配方法，包括：

将卫星过境前后的全球自动观测网站点的设定波长的气溶胶光学厚度与卫星观测特征数据进行匹配。

8.一种高分辨大气气溶胶反演装置，其特征在于，包括：获取模块：用于获取待研究区域的卫星观测特征数据；

气溶胶反演模块：用于将待研究区域的卫星观测特征数据输入至预先训练好的深度学习气溶胶反演模型，进行反演处理，获得待研究区域高分辨率的气溶胶光学厚度数据；

其中：所述深度学习气溶胶反演模型进行反演处理包括：将待研究区域的卫星观测特征数据通过卷积神经网络进行特征提取，并提升特征维度，将提升维度后的特征进行扁平化处理，将其展平，将展平后的特征进行重新拟合，并通过注意力机制层计算不同特征的权重，获得特征和权重关系，将特征和权重关系通过KAN网络进行气溶胶光学厚度反演，得到待研究区域高分辨率的气溶胶光学厚度数据。

9.一种高分辨大气气溶胶反演系统，其特征在于，包括：存储器，用于存储计算机程序/指令；

处理器，用于执行所述计算机程序/指令以实现权利要求1‑7中任一项所述的高分辨大气气溶胶反演方法的步骤。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时，实现权利要求1‑7中任一项所述的高分辨大气气溶胶反演方法的步骤。